基于双频蝙蝠算法的树状灌溉管网规划

以管网投资费用最低为目标,建立了改进的自压树状灌溉管网规划模型,通过定义管网用水节点的上层水节点来保证管道连通性;同时,提出了改进的双频蝙蝠算法,通过使用双脉冲频率策略均衡算法多样性与收敛性。基于12个100维度测试函数的寻优结果表明,与遗传算法、粒子群算法及蝙蝠算法相比,双频蝙蝠算法能够有效提高全局搜索能力;应用双频蝙蝠算法分别对10节点和34节点的管网进行规划设计,管网投资费用均值较蝙蝠算法可分别减少23.60%和31.03%。     

果园单轨运输机在轨状态感知系统研制

针对山地果园单轨运输机作业环境受限、定位精度较低等问题,该研究基于高频RFID(RadioFrequency Identification)混合测速定位方法,设计了一套果园单轨运输机在轨状态精准感知系统。感知系统以STM32F103RCT6芯片为主控单元,利用双RFID阅读器读取基准定位标签组的时间差,使用混合测速定位方法,实时计算运输机的作业状态信息;设计了移动端监测软件,通过LoRa通信模块远程获取运输机实时作业状态信息。试验结果表明,运输机在平地路况中运行稳定,感知系统计算的全程平均行驶速度为0.49 m/s,依据秒表记录计算的全程平均行驶速度为0.48 m/s,二者速度相差2%;基准定位标签组间距为3.42m时,运输机全程平均定位误差为6.18±0.60cm;基准定位标签组间距为6.84 m时,运输机全程平均定位误差为6.46±1.14 cm。该研究验证了基于高频RFID精准感知单轨运输机在轨状态的可行性,提升了运输机作业安全性和智能性,可为实现果园生产精准作业提供可靠数据支持。     

基于边缘计算的柑橘果实识别系统的设计

针对当前柑橘果实目标检测模型多数需在服务器上运行,难以直接在果园部署且识别实时性较差等问题,设计了基于边缘计算设备的便携式柑橘果实识别系统。该系统由优化的目标检测模型和嵌入式智能平台组成;通过扩展YOLOv4–Tiny目标检测算法,将所有批量归一化层合并到卷积层,加快模型前向推理速度;采用多尺度结构并使用K–means聚类方法获得柑橘数据集的先验框大小,使网络模型对柑橘果实识别具有更强的鲁棒性;使用GIOU距离度量损失函数,使网络模型更加关注柑橘图像中重叠遮挡的区域。将改进算法部署到嵌入式平台Jetson nano,试验结果表明,识别系统对柑橘果实的识别平均准确率达93.01%,单幅图片的推断时间约为150 ms,对视频的识别速率为16帧/s。